사우스웨스트 리서치 연구소(SWRI)는 명왕성에 대한 뉴호라이즌스 임무, 목성에 대한 주노 임무 등 NASA 임무를 주도해 전 세계적인 주목을 받았다. SwRI는 또한 연료 및 에너지 효율, 지질학, 터보마코미터, 에너지 저장 분야의 선두주자다. 이들의 계약공학 노력은 과학기술의 응용을 통해 정부, 산업, 대중에게 이익이 된다.
문제 :
연구소의 연구 분야 중 하나는 자동 운전 시스템이다. swRI는 2006년부터 이 분야에서 활동해 왔으며, 반트럭, 포드 익스플로러, 많은 군사 플랫폼, 그리고 드론으로 흔히 알려진 다양한 종류의 무인항공기(UAV)를 위한 시스템을 설계했다. 이러한 자동화된 시스템은 더 이상 정찰이든, 운반이든, 단순한 운송이든 간에, 더 이상 인간 운전자들이 그들의 임무를 통제할 필요가 없다.
그러나 SWRI의 엔지니어들은 거기서 멈추기를 원하지 않았고, 운전자는 물론 관제센터로부터도 자율적인 차량을 자유롭게 만들기로 결정했다. 이 아이디어에 따르면, 차량은 서로 분산된 방식으로 통신하고, 현재 위치와 환경에 대한 정보를 공유하며, 이 정보 자체에 기초하여 추가 조치에 대한 결정을 내린다. 이 기술은 주로 군사력에 의해 운용, 지뢰 제거, 정찰 작업, 그리고 인간이 자신의 안전을 위해 기계로 대체될 수 있는 많은 다른 분야로 공급되는 운송에 이용될 것이다.
이러한 시스템의 구현에는 많은 시간과 비용이 소요될 수 있기 때문에, SWRI의 엔지니어들은 자율주행차의 가능성을 탐색하기 위해 시뮬레이션 모델링을 사용하기로 결정했다.
해결책:
그림 1. 에이전트 탐색을 기반으로 한 영역의 협업 지도
SwRI 엔지니어들은 자동화된 차량의 성능을 평가하고 차량들 간의 알고리즘과 작업 공유를 평가하기 위해 무작위 장애물이 있는 밀폐된 구역에 차량 운용의 에이전트 기반 AnyLogic 모델을 구축하기로 결정했다. 그것은 다양한 기능을 가진 여러 상호 작용하는 가상 차량을 대표하고 동시에 작동하도록 하는 가장 쉬운 방법이었다.
이 차량들은 이 지역에서 장애물을 감지하고 캡슐에 연료를 주입했다. 이러한 작업을 신속하게 완료하기 위해서는 차량이 협조하고 환경에 대한 정보를 공유해야 했다.
모든 차량에는 환경을 감지하고 주변 사물에 대한 정보를 수집하며 다른 요원들과 지식을 공유할 수 있는 센서가 달려 있었다. 각각의 차량에는 캡슐만 검색할 수 있고, 캡슐이 가득 찼는지 비어 있는지 확인만 할 수 있고, 다른 차량에는 주유만 할 수 있는 행동 특징이 미리 정해져 있었다.
그림 2. 에이전트 상태 차트
그림 1의 오른쪽에는 각 개별 차량이 어떻게 그 지역을 탐색하고 장애물을 발견했는지 볼 수 있으며, 왼쪽에는 그 탐색을 바탕으로 한 그 지역의 협업 지도가 그려져 있다. 협업 맵은 모든 에이전트 간에 공유되었고 각 에이전트는 다른 에이전트의 결합된 매핑 기능을 이용할 수 있었다.
이 지역의 급유 캡슐을 위해서는 차량 개개인의 능력과 위치에 따라 팀을 구성해야 했다. 검색기 차량이 캡슐을 찾으면 필요한 기능을 갖춘 가장 가까운 차량을 향해 신호를 보낸다. 이 차량들은 수색자와 팀을 만들어 분류와 급유를 도와 임무를 완수한다. 그림 2에서 이 프로세스를 설명하는 에이전트의 상태 차트를 볼 수 있다.
결과:
SwRI 엔지니어들은 애니로직과 함께 자동화된 차량이 협력 네트워크에서 어떻게 동작할 수 있는지를 테스트했고, 그러한 네트워크가 실제 생활에서 구축될 수 있다는 것을 증명했다. 결과적으로 이는 연구자들이 AnyLogic의 모델링을 이용해 관련 문제를 해결하기 위한 알고리즘을 개발하고, 이들 알고리즘을 테스트해 자율주행차에서 구현할 수 있음을 시사한다. 예를 들어 정찰이나 경비 순찰을 위한 드론·지상 기반 로봇의 혼합물 제작 등이 그 예다.
자세한 내용은 AnyLogic Conference 2016에서 프로젝트 프레젠테이션을 보거나 다운로드하십시오.
